WGAN在新能源电源配置中的应用：风光资源模拟与消纳优化

本文主要探讨了在多能源电力系统中如何解决新能源电源容量配置的问题，尤其关注风光资源的不确定性。文章提出了一种结合Wasserstein生成对抗网络（WGAN）和改进时序生产模拟的新能源电源配置模型。WGAN用于生成大量的风光资源场景，通过K-medoids聚类方法减少场景数量，得到具有代表性的典型场景。这些典型场景经过综合评价指标的评估分析，以更好地理解和管理风光资源的不确定性。 在考虑多能源电力系统运行特性的同时，研究者构建了一个基于改进时序生产模拟的线性规划模型，旨在实现经济性最优的新能源规划。该模型的目标是优化新能源电源的配置，以最大程度地提高系统的经济效益和新能源的消纳能力。通过一个具体地区的实际电网算例，模型的有效性和对新能源消纳的改善效果得到了验证，并提供了相应的新能源电源容量配置方案。 新能源发电在全球能源策略中占据重要地位，尤其是对于我国这样的国家，需要有效解决弃风、弃光问题，提高新能源的消纳率。光热发电作为一种能够平滑可再生能源出力的技术，被认为在高比例新能源并网中具有潜力。因此，合理配置风能、光伏发电和光热发电的容量对于推动新能源发展至关重要。 针对风光资源的不确定性，已有许多研究工作提出了不同的场景生成方法。例如，有文献采用了拉丁超立方抽样来平衡场景数量与精度，有的利用蒙特卡洛模拟随机性电源，还有研究假设风速和辐射强度遵循特定的概率分布。然而，这些方法往往依赖于特定的分布假设或需要复杂的计算。相比之下，本文提出的WGAN模型能够更灵活地模拟风光资源的多样性和复杂性，为电源容量配置提供更精确的依据。 该研究为多能源电力系统的新能源电源容量配置提供了创新的解决方案，利用先进的机器学习工具WGAN处理不确定性，并结合改进的时序生产模拟优化经济性能。这不仅有助于提高新能源的消纳效率，也为未来的能源规划和决策提供了有价值的理论支持。